암호화폐 사이버보안 회사 트루가드(Trugard)는 온체인 신뢰 프로토콜인 웨베이시(Webacy)와 함께 암호화폐 지갑 주소 오염을 감지하는 AI 기반 시스템을 개발했습니다. 이 새로운 솔루션은 5월 21일 코인텔레그래프를 통해 발표되었으며, 웨베이시의 암호화 기술 결정 지원 도구에 통합되어 “실시간 거래 데이터와 온체인 분석, 특징 공학, 행동 맥락을 결합하여 교육된 감독형 머신러닝 모델을 활용”합니다. 이 도구는 알려진 공격 시나리오 검증을 통해 97%의 성공률을 달성했다고 알려졌습니다. 웨베이시의 공동 창립자인 미카 이소가와(Maika Isogawa)는 “주소 오염은 암호화폐에서 가장 과소보고되었지만 비용이 큰 사기 중 하나로, 가장 단순한 가정을 이용한다: 당신이 보는 것이 곧 얻는 것이라는 것”이라고 말했습니다. 암호화폐 주소 오염은 공격자들이 피해자의 실제 주소와 비슷한 소량의 암호화폐를 보내는 사기 기법으로, 종종 시작과 끝 문자가 동일하거나 유사하게 만듭니다. 이 방법은 사용자들이 공격자의 주소를 복사하거나 재사용하게 만들어, 이후 거래에서 피해자가 금전적 손실을 입게 합니다. 이 사기 수법은 사용자가 부분 주소 일치 또는 클립보드 기록에 의존하는 습관을 악용하는 방식입니다. 2025년 1월 발표된 연구에 따르면 2022년 7월 1일부터 2024년 6월 30일까지 BNB 체인과 이더리움에서 2억7천만 건 이상의 주소 오염 시도가 있었으며, 그중 6, 000건이 성공해 8천3백만 달러가 넘는 손실이 발생했습니다. 관련: 암호화폐 주소 오염 공격이란 무엇이며 어떻게 방지할 수 있나요? Web2 보안 노하우를 Web3에 적용하다 트루가드의 최고기술책임자(CTO)인 제레미어 오코너(Jeremiah O’Connor)는 코인텔레그래프에 “저희 팀은 Web2 분야의 대규모 사이버보안 지식을 보유하고 있으며, 이를 암호화폐 초창기부터 Web3 데이터 보호에 적용해왔다”고 말했습니다. 이들은 기존 시스템의 알고리즘 특징 공학 경험을 활용하여 Web3 보안을 강화하고 있습니다. 그는 다음과 같이 덧붙였습니다: “현재 대부분의 Web3 공격 탐지 도구들은 정적 규칙이나 기본 거래 필터링에 의존하는데, 이는 종종 진화하는 공격자 전략과 기법을 따라잡지 못하는 경우가 많습니다. ” 이와 달리, 새로 개발한 시스템은 머신러닝을 이용해 지속적으로 학습하고 오염 위협에 적응합니다.

오코너는 “이 시스템의 차별점은 ‘맥락과 패턴 인식’에 중점을 둔 것”이라며, 이소가와는 “AI는 인간 분석 능력을 뛰어넘는 패턴을 감지할 수 있다”고 덧붙였습니다. 관련: 제이머슨 로프(Jameson Lopp), 비트코인 주소 오염 공격에 대한 경고 머신러닝 방식 오코너는 트루가드가 다양한 공격 방법을 모방하는 인공지능용 합성 학습 데이터를 생성했다고 설명했습니다. 이후 이 모델은 레이블이 붙은 데이터를 이용한 감독 학습(supervised learning)을 통해 훈련됩니다. 이 방법은 입력과 정답이 함께 제공된 데이터로부터 학습하여, 남은 데이터에 대해 정확히 예측하는 것이 목표입니다. 이 기술은 스팸 필터링, 이미지 인식, 가격 예측 등 다양한 분야에 적용됩니다. 더불어, 공격자가 새 전략을 개발함에 따라 지속적으로 최신 데이터를 이용해 재훈련하면서 모델을 업데이트합니다. 오코너는 “또한, 우리는 시뮬레이션된 오염 시나리오에 대해 지속적으로 모델을 테스트할 수 있는 합성 데이터 생성 계층도 구축했다”며, “이 방식은 모델이 일반화되고 시간이 지나도 강인함을 유지하는 데 매우 효과적”이라고 말했습니다.